رحمان کمال پور - دانشجوی کارشناسی ارشد مخازن هیدروکربوری بخش مهندسی شیمی دانشگاه شهی
علی محبی - عضو هیئت علمی بخش مهندسی شیمی دانشگاه شهید باهنر کرمان
امیر صرافی - عضو هیئت علمی بخش مهندسی شیمی دانشگاه شهید باهنر کرمان

ماسه سنگی بودن جنس بیش از دو سوم مخازن سبب شده است تا اکثر روش های تایید شده برای تخمین میزان نفوذ پذیری با استفاده از هوش مصنوعی برای اینگونه مخازن ، کارایی داشته باشد . خصوصیات متمایز مخازن ایران همچون فشار زیاد ، ناهمگنی و ناهمسان گرد بودن ، کربناته بودن ، ضخامت بالا ، وسعت بسیار زیاد ، وجود شکاف ، وجود سنگ های متعدد و ... همگی باعث ناکارآمد شدن شیوه های معمول استفاده از روش های هوشمند در مخازن ایران شده است . در این مقاله سعی بر آن شده است تا با ناحیه بندی کردن مخزن بر اساس ویژگیهای زمین شناسی و دسته بندی کردن داده ها بر همان اساس ، به روش های معمول تخمین تراوایی از روی داده های چاه پیمایی ، کارایی لازم بخشیده شود . نتایج حاصل شده در تعیین تراوایی از روی داده های لاگ با بکارگیری شیوه دسته بندی داده ها بر اساس ناحیه بندی مخزن ، با تراوایی اندازه گیری شده در آزمایش آنالیز مغزه مورد مقایسه قرار گرفته است . مطابقت مناسب نتایج ، تایید کننده شیوه پیشنهادی می باشد .

شبکه عصبی ، تطبیق عمق ، ناحیه بندی مخزن ، تراوایی ، مخازن کربناته شکافدار